As células vegetais são espaços tridimensionais compostos por vários compartimentos, cada um com seu próprio ambiente físico-químico e função. A localização subcelular das proteínas, a maquinaria funcional da célula, é muito importante para caracterizar suas funções em uma célula. Localização inadequada pode resultar em doença e morte celular. Assim, prever a localização subcelular de proteínas é um tópico importante em proteômica, mas fazê-lo por meio de experimentos bioquímicos pode ser trabalhoso, caro e demorado. A predição computacional pode ser uma alternativa eficaz, permitindo decifrar a função da proteína e acelerar a anotação do genoma.
Em um novo artigo publicado em AoBP, Sahu et ai. apresentam seu novo software, Plant-mSubP, que é uma plataforma web publicamente disponível que usa aprendizado de máquina para prever a localização subcelular de proteínas com base em características de sequência de aminoácidos. O Plant-mSubP foi desenvolvido usando conjuntos de dados de treinamento de localização subcelular conhecida, resultando em mais de 16000 sequências de proteínas únicas anotadas em 14 locais subcelulares diferentes. Usando um conjunto de dados independente para cada classe de localização, os autores compararam seu método com outras ferramentas de previsão baseadas em sequência disponíveis e descobriram que superava todos os métodos existentes. Eles destacam que até agora um trabalho muito limitado foi conduzido na localização subcelular de proteínas vegetais, mas esperam que sua nova ferramenta acessível na web comece a abordar isso.
Plant-mSubP pode ser acessado online em http://bioinfo.usu.edu/Plant-mSubP/
Pesquisador destaque
Rakesh Kaundal cresceu na Índia e em 2007 mudou-se para os EUA para realizar uma bolsa de pós-doutorado em bioinformática e biologia computacional no Noble Research Institute, Ardmore, Oklahoma. Rakesh atualmente ocupa o cargo de professor assistente no Departamento de Plantas, Solos e Clima da Universidade Estadual de Utah (USU) e como Diretor da Instalação de Bioinformática no Centro de Biosistemas Integrados, USU. Ele também tem uma nomeação de professor adjunto no Departamento de Ciência da Computação.
Rakesh desenvolveu um programa de pesquisa independente e colaborativo em bioinformática, concentrando-se principalmente na mineração computacional de grandes conjuntos de dados ômicos multidimensionais, modelagem computacional usando aprendizado supervisionado (Machine Learning) e não supervisionado (Bayesian), e está desenvolvendo ativamente novas ferramentas e software para aplicar o conhecimento adquirido para a melhoria do organismo.
